CN106056314A - 一种智能配电网风险评估方法 - Google Patents

Abstract

本发明公开了一种智能配电网风险评估方法，选取智能配电网风险评估指标，对每个宏观风险类型进行具体划分，确定微观评估指标，构建智能配电网多层级风险评估体系；根据不同的风险值区间划分智能配电网运行风险等级，将每个风险等级与和网络安全级别进行一一对应；构建专家调查表，基于集值统计专家估价法求取各微观评估指标的风险隶属度；基于改进证据理论融合各微观评估指标在智能配电网发展各个阶段的运行状态，基于非结构性三角模糊数赋权法赋予智能配电网多层级风险评估体系相应的权重系数，根据逐层级加权平均求取智能配电网的综合风险值，确定网络风险等级和安全级别。能够较合理和较准确地评估智能配电网的智能化发展水平和面临的主要风险因素。

Description

一种智能配电网风险评估方法

技术领域

本发明涉及一种智能配电网风险评估方法。

背景技术

近年来，针对智能电网的研究和建设成为世界各国的关注焦点。我国国家电网公司和相关学者密切跟踪国际形势变化，在借鉴欧美智能电网的基础上，根据我国基本国情，提出了建设坚强可靠、经济高效、清洁环保、透明开放、友好互动的统一坚强智能电网的发展战略。

对智能电网进行风险评估，对于识别网络发展过程中的薄弱环节和主要风险因素，实现网络的趋优运营具有重要意义。目前针对智能电网风险评估的研究较少，虽然现有文献已提出了智能电网风险评估的整体思路和总体框架，但存在网络风险因素结构框架过于简单粗略、主要风险因素考虑不周全以及未能针对智能电网的风险评估方法展开深入研究等不足，从而使网络风险评估效果并不理想。

智能配电网作为智能电网的关键环节之一，是实现智能电网整体建设目标的重要保障，但目前针对智能配电网风险评估的研究很少。因此如何全面统筹规划智能配电网的关键性风险评估指标，提出合理有效的网络风险评估方法，从而较准确地评判网络面临的风险大小，是一个值得研究的问题。

发明内容

本发明为了解决上述问题，提出了一种智能配电网风险评估方法，本方法通过建立智能配电网多层级风险评估体系，基于集值统计专家估价法求取评估体系的微观指标层的风险隶属度，进而基于改进证据理论融合各微观评估指标在智能配电网发展近期、中期和远期的运行状态，求取各评估指标的动态风险隶属度；其次基于非结构性三角模糊数赋权法赋予评估体系合理的权重系数；最后基于逐层级加权平均求取智能配电网综合风险值，从而可较准确地评判网络的智能化发展水平和面临的主要风险因素。

为了实现上述目的，本发明采用如下技术方案：

一种智能配电网风险评估方法，包括以下步骤：

(1)选取智能配电网风险评估指标，对每个宏观风险类型进行具体划分，确定微观评估指标，构建智能配电网多层级风险评估体系；

(2)根据不同的风险值区间划分智能配电网运行风险等级，将每个风险等级与和网络安全级别进行一一对应；

(3)根据微观评估指标，构建专家调查表，基于集值统计专家估价法求取各微观评估指标的风险隶属度；

(4)基于改进证据理论融合各微观评估指标在智能配电网发展各个阶段的运行状态，最终求取各评估指标的动态风险隶属度；

(5)基于非结构性三角模糊数赋权法赋予智能配电网多层级风险评估体系相应的权重系数，根据逐层级加权平均求取智能配电网的综合风险值，确定网络风险等级和安全级别。

所述步骤(1)中，智能配电网多层级风险评估体系划分为3个层级，从低级到高级依次为：微观指标层、宏观项目层和目标层。

进一步的，所述步骤(1)中，宏观项目层包括工程风险、金融风险、安全风险、技术风险、管理风险和外部风险，微观指标层是将每个宏观项目层的风险进行具体划分，目标层表示智能配电网的综合风险值。

所述步骤(2)中，应用风险评估矩阵法,综合风险因素的危害程度和风险事件的可能性得到多个风险值，依照风险值构建多个级别。

所述步骤(3)中，具体步骤包括：

(3-1)针对各微观评估指标，按照把握程度和风险等级评估结果分别构建专家调查表；

(3-2)分别计算各微观评估指标对应不同的专家调查表的风险隶属度；

(3-3)基于不同的风险隶属度分别计算各自对应的专家评估信任度；

(3-4)整合待评估微观指标的两类风险隶属度和各自对应的专家评估信任度，确定各微观评估指标的风险隶属度。

所述步骤(3-1)中，选取多位相关领域的专家独立地填写两类调查表。

所述步骤(4)中，具体步骤包括：

(4-1)预测各微观评估指标在待评估智能配电网中期发展阶段和远期发展阶段的风险隶属度；

(4-2)根据改进证据理论融合微观评估指标在三个不同时段的运行状态，求取最终的动态风险隶属度。

所述步骤(4-2)中，具体步骤包括：

(4-2-1)将不同的风险等级构成改进证据理论的识别框架，同时将各微观评估指标在网络3个不同发展阶段的风险隶属度作为改进证据理论的原始证据；

(4-2-2)引入置信度系数对原始证据进行修正，应用向量夹角余弦以量化证据之间的相似程度；

(4-2-3)构建每个证据的冲突因子，根据设置的相应证据的置信度系数，计算该证据所对应的风险等级的改进信度分配值；

(4-2-4)利用证据合成规则对修正后的证据进行合成。

所述步骤(5)中，具体步骤包括：

(5-1)确定微观评估指标之间的相对重要程度，构造指标重要度排序矩阵；

(5-2)引入三角模糊数，将指标重要度排序矩阵调整为三角模糊判断矩阵；

(5-3)对三角模糊判断矩阵进行一致性检验，求取智能配电网风险评估体系合理的权重系数。

所述步骤(6)中，具体步骤包括：

(6-1)基于逐层级加权平均求取智能配电网的综合风险值；

(6-2)将求取的智能配电网综合风险值与风险特征值向量进行比较以确定智能配电网风险等级和网络安全级别。

本发明的有益效果为：

(1)本发明首先建立智能配电网多层级风险评估体系；然后基于集值统计专家估价法求取评估体系的微观指标层的风险隶属度，进而基于改进证据理论融合各微观评估指标在智能配电网发展近期、中期和远期的运行状态，求取各评估指标的动态风险隶属度；其次基于非结构性三角模糊数赋权法赋予评估体系合理的权重系数；最后基于逐层级加权平均求取智能配电网综合风险值，从而可较准确地评判网络的智能化发展水平和面临的主要风险因素。

(2)本发明统筹考虑智能配电网的关键性风险因素，提出了具体的智能配电网风险评估方法，通过综合集值统计专家估价法和改进证据理论确定各微观评估指标的动态风险隶属度，充分计及了网络风险评估过程中专家的心理波动和指标参数的动态规律，为智能配电网的风险评估提供了一种新的思路，同时对促进智能配电网的科学建设和趋优发展具有重要意义，具有一定的实用性和推广性。

附图说明

图1为本发明的智能配电网风险评估方法流程图；

图2为本发明中的智能配电网多层级风险评估体系示意图。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

本发明提供一种智能配电网风险评估方法，如图1所示，包括：

步骤1：选取智能配电网风险评估指标，构建智能配电网多层级风险评估体系，其中体系划分为目标层、宏观风险层和微观指标层三个层级；

步骤2：划分智能配电网运行风险等级，将各等级与风险值区间和网络安全级别作一一对应；

步骤3：基于改进集值统计专家估价法求取各微观评估指标的风险隶属度；

步骤4：基于改进证据理论融合各微观评估指标在智能配电网发展近期、中期和远期的运行状态，最终求取各评估指标的动态风险隶属度；

步骤5：基于非结构性三角模糊数赋权法赋予评估体系合理的权重系数；

步骤6：基于逐层级加权平均求取智能配电网的综合风险值，确定网络风险等级和安全级别。

作为本发明的一种改进，在步骤1中，智能配电网多层级风险评估体系划分为3个层级，从低级到高级依次为：微观指标层、宏观项目层和目标层。依据风险管理的基本原则和一般流程，本发明从工程风险、金融风险、安全风险、技术风险、管理风险和外部风险这6个宏观风险类型展开分析，每个宏观风险均具体划分到多个微观评估指标。目标层表示智能配电网的综合风险值。

在步骤2中，应用风险评估矩阵法,综合风险因素的危害程度和风险事件的可能性得到25个风险值,并将其按风险结果划分的范围标准映射为1～5个级别。本发明在风险级别划分的基础上，将风险等级与网络安全级别作一一对应。智能配电网风险评估等级的具体划分情况如表1所示。

表1智能配电网风险评估等级的划分

作为本发明的另一种改进，步骤3可以包括：

步骤31：针对各微观评估指标分别制定专家调查表I和II，择优选取5位相关领域的专家独立地填写两类调查表。

专家调查表I和II如表2和表3所示，其中专家调查表1的填写要求为：每位专家须在表中每一列勾画一个且仅一个“√”，表2表示该位专家认为某微观评估指标的运行状态隶属于1～5个风险等级的把握程度依次为0.7、0.84、0.5、0.18和0.18；专家调查2的填写要求为：每位专家在表中勾画一个或两个“√”，表3表示该位专家认为某微观评估指标的运行状态介于第2级风险和第3级风险之间。

表2专家调查表I

表3专家调查表II

步骤32：分别计算各微观评估指标对应专家调查表I和II的风险隶属度。

对于专家调查表I，微观评估指标R_ij的风险隶属度为：

$\left\{\begin{array}{c}{g}_{ij.k}=\[g_{ij.k}\left(r\right)|r=1,2,3,4,5\]\\ {g^{\′}}_{ij}\left(r\right)=\[\underset{k=1}{\overset{5}{\mathrm{\Σ}}}{g}_{ij.k}\left(r\right)\]/5\\ g_{ij}\left(r\right)={g^{\′}}_{ij}\left(r\right)/\underset{t=1}{\overset{5}{\mathrm{\Σ}}}{g^{\′}}_{ij}\left(t\right)\end{array}\right.$

其中，g_ij.k(r)为第k(r,k＝1,2,3,4,5)位专家认为指标R_ij属于第r级风险的把握程度标度，将G(R_ij)＝[g_ij(r)|r＝1,2,3,4,5]作为指标R_ij的第一类风险隶属度。

对于专家调查表II，微观评估指标R_ij的风险隶属度为：

h_ij(r)＝s_ij(r)/S_ij

其中，s_ij(r)为专家调查表II中表示指标R_ij隶属于第r级风险的“√”的总个数，S_ij为“√”的总个数，将H(R_ij)＝[h_ij(r)|r＝1,2,3,4,5]作为指标R_ij的第二类风险隶属度。

步骤33：基于两类风险隶属度分别计算各自对应的专家评估信任度；

根据G(R_ij)和H(R_ij)分别计算各自对应的专家评估信任因子b_ij(1)和b_ij(2)。b_ij用来表征所有专家对指标R_ij的风险隶属度的综合把握程度，专家对指标R_ij的风险隶属度结果愈集中，表明专家意见愈一致，相应的b_ij愈大。第一类专家评估信任因子b_ij(1)的计算公式为：

$\left\{\begin{array}{c}{\mathrm{\α}}_{ij}\left(k\right)=g_{ij.k}\·T^{\′}\\ {\mathrm{\α}}_1=G\left(v_{ij}\right)\·T^{\′}\\ {\mathrm{\β}}_{ij}\left(1\right)={\[\left(\underset{k=1}{\overset{5}{\mathrm{\Σ}}}{\left|{\mathrm{\α}}_1-{\mathrm{\α}}_{ij}\left(k\right)\right|}^2\right)/4\]}^{1/2}\\ b_{ij}\left(1\right)=1/\[1+{\mathrm{\β}}_{ij}\left(1\right)\]\end{array}\right.$

其中，T为风险特征值向量，本发明令T＝[3,7.5,12.5,17.5,22.5]。

第二类专家评估信任因子b_ij(2)的计算公式为：

$\left\{\begin{array}{c}{\mathrm{\α}}_2=H\left(R_{ij}\right)\·T^{\′}\\ {\mathrm{\β}}_{ij}\left(2\right)={\[\left(\underset{s=1}{\overset{N_{ij}}{\mathrm{\Σ}}}{\left|{\mathrm{\α}}_2-t_r\left(s\right)\right|}^2\right)/(N_{ij}-1)\]}^{1/2}\\ b_{ij}\left(2\right)=1/\[1+{\mathrm{\β}}_{ij}\left(2\right)\]\end{array}\right.$

其中，t_r(s)为第s个所对应第r级风险的特征值。

步骤34：整合待评估微观指标的两类风险隶属度和各自对应的专家评估信任度，确定各微观评估指标的风险隶属度。

指标R_ij的风险隶属度为L(R_ij)＝[l_ij(r)|r＝1,2,3,4,5]，其中，l_ij(r)＝b’_ij(1)×g_ij(r)+b’_ij(2)×h_ij(r)，b’_ij(1)＝b_ij(1)/[b_ij(1)+b_ij(2)]，b’_ij(2)＝b_ij(2)/[b_ij(1)+b_ij(2)]

作为本发明的再一种改进，步骤4可以包括：

步骤41：根据专家经验和现有研究，预测各微观评估指标在待评估智能配电网中期发展阶段和远期发展阶段的风险隶属度。

步骤42：根据改进证据理论融合微观评估指标在三个不同时段的运行状态，求取最终的动态风险隶属度。

本发明将智能配电网的5个风险等级构成改进证据理论的识别框架，即Θ＝{C₁,C₂,C₃,C₄,C₅}；将各微观评估指标在网络3个不同发展阶段的风险隶属度作为改进证据理论的原始证据；引入函数m(C)，C∈Θ，用于识别Θ上的基本信度分配。

本发明引入置信度系数对原始证据进行修正，以减少冲突性证据为证据合成提供的信息量。应用向量夹角余弦来量化证据之间的相似程度，证据e_i与其他证据的综合相似度S_i为：

$\left\{\begin{array}{c}{s}_{ij}=\frac{e_i\·{e_j}^{\′}}{\left|\right|e_i\left|\right|\·\left|\right|e_j\left|\right|}\\ S_i=\frac{\underset{j=1,j\≠i}{\overset{n}{\mathrm{\Σ}}}{s}_{ij}}{n-1}\end{array}\right.$

其中，n为证据的个数，本发明中n＝3。

构建证据e_i的冲突因子co_i，用来量化证据e_i与其他证据的冲突程度:

${\mathrm{co}}_i=\frac{S_{max}-S_i}{S_{\max }-S_{\min }}$

其中,S_max＝max{S_i|i＝1,2,3}，S_min＝min{S_i|i＝1,2,3}。令证据e_i的置信度系数B_i为：

$B_i=\left\{\begin{array}{cc}1& {\mathrm{co}}_i\≤0.5\\ S_i/\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{S}_j& {\mathrm{co}}_i>0.5\end{array}\right.$

通过B_i得到的证据e_i对应第j风险等级的改进信度分配值为：

m′_i(C_j)＝m_i(C_j)·B_i

其中，m_i(C_j)为证据e_i对应状态等级C_j的原始信度分配值。

利用证据合成规则对修正后的证据进行合成：

$m^{\′}\⊕\left(C_j\right)=\[\underset{i=1}{\overset{3}{\mathrm{\Π}}}{m}_i^{\′}\left(C_j\right)\]/K$

其中，

作为本发明的再一种改进，步骤5可以包括：

步骤51：构建指标重要度排序矩阵P。

若某一宏观风险类型细化为n个微观评估指标，本发明引入p_ij表示微观评估指标i和j之间的相对重要程度，进而构造指标重要度排序矩阵P＝[p_ij]_n×n。其中p_ij的取值规则如表4所示。

表4p_ij的取值规则

步骤52：基于矩阵P构建三角模糊判断矩阵Q；

根据矩阵P表述的指标间的相对重要程度和非结构二元语气因子，引入三角模糊数将矩阵P调整为三角模糊判断矩阵Q。其中矩阵Q的构成如下：

$Q={\left[\begin{array}{cccc}(0.5,0.5,0.5)& (q_{12}^p,q_{12}^s,q_{12}^o)& \mathrm{...}& (q_{1n}^p,q_{1n}^s,q_{1n}^o)\\ (q_{21}^p,q_{21}^s,q_{21}^o)& (0.5,0.5,0.5)& \mathrm{...}& (q_{2n}^p,q_{2n}^s,q_{2n}^o)\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ (q_{n1}^p,q_{n1}^s,q_{n1}^o)& (q_{n2}^p,q_{n2}^s,q_{n2}^o)& \mathrm{...}& (0.5,0.5,0.5)\end{array}\right]}_{n\×n}$

其中，(q_ij ^p,q_ij ^s,q_ij ^o)为三角模糊数，q_ij ^p、q_ij ^s和q_ij ^o表达的含义依次为专家对比指标i和j的相对重要性时所做出的最悲观、中立和最乐观的决策，非结构二元语气因子的取值如表5所示。

表5非结构二元语气因子的取值

步骤53：对矩阵Q进行一致性检验，经调整后确定满足一致性要求的矩阵Q’；

首先构造矩阵Q的期望矩阵E＝[e_ij]_n×n,其中e_ij＝0.5q_ij ^p+q_ij ^s+0.5q_ij ^o，然后构造矩阵E的互反判断矩阵F：

$F={\left[\begin{array}{cccc}1& e_{12}/e_{21}& \mathrm{...}& e_{1n}/e_{n1}\\ e_{21}/e_{12}& 1& \mathrm{...}& e_{2n}/e_{n2}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ e_{n1}/e_{1n}& e_{n2}/e_{2n}& \mathrm{...}& 1\end{array}\right]}_{n\×n}$

求取矩阵F的最大特征值进而求取矩阵F的一致性比例CR：

$\left\{\begin{array}{c}CI=\frac{\mathrm{\λ}-n}{n-1}\\ CR=\frac{CI}{RI}\end{array}\right.$

其中RI为随机一致性指标，其取值如表6所示。

表6随机一致性指标的取值

若求取的CR＜0.1，则矩阵Q满足一致性要求,并令Q’＝Q；否则，须调整矩阵F，直至矩阵Q满足一致性要求。

步骤54：基于矩阵Q’求取智能配电网风险评估体系合理的权重系数。

利用下式求取评估体系的权重系数：

$\left\{\begin{array}{c}{w}^{\′}=\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}({q^{\′}}_{ij}^p,{q^{\′}}_{ij}^s,{q^{\′}}_{ij}^o)}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}({q^{\′}}_{ij}^p,{q^{\′}}_{ij}^s,{q^{\′}}_{ij}^o)}=\[\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{q^{\′}}_{ij}^p}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{q^{\′}}_{ij}^o},\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{q^{\′}}_{ij}^s}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{q^{\′}}_{ij}^s},\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{q^{\′}}_{ij}^o}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{q^{\′}}_{ij}^p}\]=\[w_1,w_2,w_3\]\\ w=0.25w_1+0.5w_2+0.25w_3\end{array}\right.$

参照图2，依据上述方法确定的智能配电网风险评估体系的权重系数为：

表7智能配电网风险评估体系的权重系数

作为本发明的再一种改进，步骤6可以包括：

步骤61：基于逐层级加权平均求取智能配电网的综合风险值。

基于逐级加权平均求取待评估智能配电网的综合风险隶属度：W＝[w_i|i＝1,2,3,4,5]，进而基于公式A＝W×T’求取网络的综合风险值，其中T为风险特征值向量，本发明令T＝[3,7.5,12.5,17.5,22.5]。

步骤62：将求取的智能配电网综合风险值与风险特征值向量T进行比较以确定智能配电网风险等级和网络安全级别。下面以一个优选的实施方式对本发明进行阐述：

选取华东地区某智能配电网作为研究对象，结合各微观指标的风险值和相应的最优变权求取该智能配电网的综合风险值。根据专家经验和现有研究，该智能配电网各微观评估指标在网络近期发展阶段的风险隶属度及在中期发展阶段和远期发展阶段的预测风险隶属度如表8所示。

表8微观评估指标在不同时段的风险隶属度

根据各微观评估指标在网络近期、中期和远期发展阶段的风险隶属度，首先基于改进证据理论求取各微观评估指标的动态风险隶属度，然后基于加权平均求得该智能配电网6个宏观风险类型的风险隶属度和网络综合风险隶属度如表9所示。

表9智能配电网风险隶属度

由表9可知该智能配电网的综合风险隶属度为W＝[0,0,0.2958,07042,0]，通过计算可得该网络的综合风险值为A＝W×T’＝16.021，将其与特征风险值向量T比较可知，该智能配电网隶属于第4风险等级，即该网络面临的风险较高，网络安全级别属于较危险。由于目前我国智能配电网的发展处于初期阶段，网络智能化水平较低且发展受到多方面因素的限制，网络面临的风险较大且对风险的承受能力不足，因此基于本发明提出的评估方法分析得到该智能配电网面临的风险状况与我国智能配电网的实际发展状况基本一致，由此验证了该风险评估方法的有效性。

本发明统筹考虑智能配电网的关键性风险因素，提出了具体的智能配电网风险评估方法，通过综合集值统计专家估价法和改进证据理论确定各微观评估指标的动态风险隶属度，充分计及了网络风险评估过程中专家的心理波动和指标参数的动态规律，为智能配电网的风险评估提供了一种新的思路，同时对促进智能配电网的科学建设和趋优发展具有重要意义，具有一定的实用性和推广性。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种智能配电网风险评估方法，其特征是：包括以下步骤：

(1)选取智能配电网风险评估指标，对每个宏观风险类型进行具体划分，确定微观评估指标，构建智能配电网多层级风险评估体系；

(2)根据不同的风险值区间划分智能配电网运行风险等级，将每个风险等级与和网络安全级别进行一一对应；

(3)根据微观评估指标，构建专家调查表，基于集值统计专家估价法求取各微观评估指标的风险隶属度；

(4)基于改进证据理论融合各微观评估指标在智能配电网发展各个阶段的运行状态，最终求取各评估指标的动态风险隶属度；

(5)基于非结构性三角模糊数赋权法赋予智能配电网多层级风险评估体系相应的权重系数，根据逐层级加权平均求取智能配电网的综合风险值，确定网络风险等级和安全级别。

2.如权利要求1所述的一种智能配电网风险评估方法，其特征是：所述步骤(1)中，智能配电网多层级风险评估体系划分为3个层级，从低级到高级依次为：微观指标层、宏观项目层和目标层。

3.如权利要求2所述的一种智能配电网风险评估方法，其特征是：所述步骤(1)中，宏观项目层包括工程风险、金融风险、安全风险、技术风险、管理风险和外部风险，微观指标层是将每个宏观项目层的风险进行具体划分，目标层表示智能配电网的综合风险值。

4.如权利要求1所述的一种智能配电网风险评估方法，其特征是：所述步骤(2)中，应用风险评估矩阵法，综合风险因素的危害程度和风险事件的可能性得到多个风险值，依照风险值构建多个级别。

5.如权利要求1所述的一种智能配电网风险评估方法，其特征是：所述步骤(3)中，具体步骤包括：

(3-1)针对各微观评估指标，按照把握程度和风险等级评估结果分别构建专家调查表；

(3-2)分别计算各微观评估指标对应不同的专家调查表的风险隶属度；

(3-3)基于不同的风险隶属度分别计算各自对应的专家评估信任度；

(3-4)整合待评估微观指标的两类风险隶属度和各自对应的专家评估信任度，确定各微观评估指标的风险隶属度。

6.如权利要求1所述的一种智能配电网风险评估方法，其特征是：所述步骤(3-1)中，选取多位相关领域的专家独立地填写两类调查表。

7.如权利要求1所述的一种智能配电网风险评估方法，其特征是：所述步骤(4)中，具体步骤包括：

(4-1)预测各微观评估指标在待评估智能配电网中期发展阶段和远期发展阶段的风险隶属度；

(4-2)根据改进证据理论融合微观评估指标在三个不同时段的运行状态，求取最终的动态风险隶属度。

8.如权利要求7所述的一种智能配电网风险评估方法，其特征是：所述步骤(4-2)中，具体步骤包括：

(4-2-1)将不同的风险等级构成改进证据理论的识别框架，同时将各微观评估指标在网络3个不同发展阶段的风险隶属度作为改进证据理论的原始证据；

(4-2-2)引入置信度系数对原始证据进行修正，应用向量夹角余弦以量化证据之间的相似程度；

(4-2-3)构建每个证据的冲突因子，根据设置的相应证据的置信度系数，计算该证据所对应的风险等级的改进信度分配值；

(4-2-4)利用证据合成规则对修正后的证据进行合成。

9.如权利要求1所述的一种智能配电网风险评估方法，其特征是：所述步骤(5)中，具体步骤包括：

(5-1)确定微观评估指标之间的相对重要程度，构造指标重要度排序矩阵；

(5-2)引入三角模糊数，将指标重要度排序矩阵调整为三角模糊判断矩阵；

(5-3)对三角模糊判断矩阵进行一致性检验，求取智能配电网风险评估体系合理的权重系数。

10.如权利要求1所述的一种智能配电网风险评估方法，其特征是：所述步骤(6)中，具体步骤包括：

(6-1)基于逐层级加权平均求取智能配电网的综合风险值；

(6-2)将求取的智能配电网综合风险值与风险特征值向量进行比较以确定智能配电网风险等级和网络安全级别。